首页--自然科学总论论文--系统科学论文--系统工程论文--系统技术论文

上海燃气负荷预测研究

摘要第1-7页
ABSTRACT第7-11页
第1章 绪论第11-17页
   ·课题背景第11-12页
   ·燃气负荷预测的意义第12-13页
   ·上海燃气负荷预测特点分析第13-14页
   ·相关领域研究现状第14-15页
   ·本论文的主要工作第15-17页
第2章 燃气负荷预测的研究方法及现状第17-27页
   ·燃气负荷预测概述第17页
   ·燃气负荷预测的分类第17-18页
   ·燃气负荷预测主要研究方法第18-27页
     ·回归分析法第18-19页
     ·时间序列法第19-20页
     ·灰色系统法第20-22页
     ·神经网络方法第22-24页
     ·模糊理论方法第24-25页
     ·支持向量机方法第25页
     ·组合预测方法第25-27页
第3章 数据挖掘在燃气负荷预测中的应用第27-33页
   ·数据挖掘简介第27页
   ·离群数据挖掘第27-28页
   ·离散数据挖掘的方法简介第28-29页
     ·基于偏差的方法第28页
     ·基于统计学分布方法第28页
     ·基于距离的方法第28-29页
     ·基于k 最近邻的燃气负荷时序数列离群数据挖掘第29页
   ·离散数据点的修正第29-30页
   ·具体实例分析第30-31页
   ·小结第31-33页
第4章 基于粗糙集神经网络的日负荷预测第33-43页
   ·研究现状第33页
   ·粗糙集理论简介第33-35页
     ·知识抽象过程第34页
     ·约简过程第34-35页
   ·粗糙集神经网络结构(RSBP)简介第35-37页
     ·神经元基本结构第35-36页
     ·粗糙集神经网络结构第36-37页
   ·短期燃气负荷的影响因素第37-39页
   ·训练过程简介第39-40页
   ·预测结果第40-42页
   ·结论第42-43页
第5章 基于SOFM-SVR的燃气日负荷预测第43-53页
   ·主要技术简介第43-47页
     ·回归支持向量机(SVR)第43-44页
     ·自组织特征映射(SOFM)第44-46页
     ·粒子群优化算法(PSO)第46-47页
   ·模型的框架及流程第47-51页
   ·模拟实验及结论第51-53页
第6章总结第53-55页
   ·工作总结第53页
   ·主要创新点第53-54页
   ·工作展望第54-55页
参考文献第55-59页
致谢第59-60页
硕士期间发表的论文及参与的项目第60页

论文共60页,点击 下载论文
上一篇:电梯能量回馈技术及应用
下一篇:城市暴雨积水风险分析--以上海市普陀区金沙居委地区为例